问题来源

研究生毕设期间，想要通过非刚性配准技术建立形变前后点云之间的对应关系，而使用的fast_rnrr的代码的输入是网格，所以需要首先将无序点云转化成mesh。
具体说来，利用泊松重建完成after与before的网格重建，放入fast_rnrr程序中运行，得到矩阵Smart_X，评估利用泊松重建进行网格重建的误差对最终配准结果的影响，决定最终网格重建方法以及总体方案改进。

常用方法

隐式方法(逼近法）：Poisson surface reconstruction
显式方法（插值法）：基于Delaunay Triangulation的方法

泊松重建（poisson surface reconstruction）

泊松重建程序编译运行

源码下载

官网
Github

使用方式

方式一：Executables，点击下载.exe程序，仅可在win64环境中使用。
方式二：source code，可在linux和windows系统中使用。

命令

重建网格

PoissonRecon --in in.ply --out out.screened.color.ply --depth 10 --color 16 --density

清洗网格

SurfaceTrimmer --in out.screened.color.ply --out out.screened.color.trimmed.ply --trim 7

问题解决以及部分参数说明

（1）如何得知重建和清洗网格的所有参数列表？
仅输入PoissonRecon、SurfaceTrimmer，然后回车。
（2）–depth的值影响重建网格的分辨率；
（3）–trim的值影响对多余网格的删除效果，如果要进行网格清洗，那么在重建的时候必须带有–density参数。
（4）To fix the geometry, you can try not using point interpolation (by adding the flag “–pointWeight 0”)
For the colors, you could try (though I have not) setting DATA_DEGREE to 1 in PoissonRecon.cpp and recompiling.

meshlab下的泊松重建

重建网格：Filters -> Remeshing… -> …screened poisson
清洗网格：Filters -> Cleaning… -> Remove … (wrt Face Num.)
补洞：Filters -> Remeshing… -> Close holes
虽然可以重建出网格，可是效果不佳

泊松重建原理剖析

论文下载

官网

预备知识

八叉树——对空间非均匀分割（按需分割）

重建思路

书籍《点云库PCL从入门到精通》13.1.5

基于Delaunay Triangulation的方法

方法

（1）PCL：pcl::GreedyProjectionTriangulation（贪心投影三角化算法）
GreedyProjectionTriangulation
（2）CGAL：未实现
怎样简单地使用CGAL实现3D德劳内三角化(Delaunay Trigangulation)？
（3）多用于基于MVS生成的稠密点云的曲面重建，如Openmvs（利用CGAL）

存在问题

（1）无法线点云，计算法向量，贪心投影三角化，网格法线混乱；
（2）有法线信息点云，贪心投影三角化，网格法线混乱；
重建之前法线：

重建之后法线：

原因分析（尚未研究，后续补充）

解决方案（尚未研究，后续补充）

总结

（1）通过泊松重建得到的网格效果较好，调整参数后，基本没有孔洞；它存在的问题是得到的网格的顶点不再是原始点集，此外，经过网格清洗之后，网格中可能会出现大量的孤立项，需要额外的程序来清除。
（2）pcl中的贪心投影三角化算法是基于Delaunay Triangulation的，通过该方法获得的网格质量一般，面的正反存在很多错误，如下图所示，而且还有很多孔洞；不过它也有优点：网格的顶点就是原始点集。
鉴于它的优点正是项目比较看中的，所以后续还应进行一些尝试，某视频中有人说Delaunay Triangulation多用于基于MVS生成的稠密点云的曲面重建，后续考虑是否有必要使用。

（3）社群问答收获
1）用扫描得到的点云进行网格重建，最好网格的顶点可以是原始点云，基于Delaunay Triangulation的方法可以实现吗？
可以。
2）PCL库里有直接点云三角剖分的方法，或者可以提出新的方法，也有很多人研究这个方向的。
（4）双目+结构光三维重建中投影仪是为了提供特征；单目+结构光三维重建中投影仪可以充当一个相机。
双目重建与单目+结构光
将结构光技术应用于双目立体视觉的优势是什么？